登录
注册
开源
企业版
高校版
搜索
帮助中心
使用条款
关于我们
开源
企业版
高校版
私有云
模力方舟
登录
注册
代码拉取完成，页面将自动刷新
开源项目
>
人工智能
>
AI-人工智能
&&
捐赠
捐赠前请先登录
取消
前往登录
扫描微信二维码支付
取消
支付完成
支付提示
将跳转至支付宝完成支付
确定
取消
Watch
不关注
关注所有动态
仅关注版本发行动态
关注但不提醒动态
726
Star
3.7K
Fork
698
drinkjava2
/
人工生命
代码
Issues
7
Pull Requests
0
Wiki
统计
流水线
服务
JavaDoc
质量分析
Jenkins for Gitee
腾讯云托管
腾讯云 Serverless
悬镜安全
阿里云 SAE
Codeblitz
SBOM
我知道了，不再自动展开
更新失败，请稍后重试！
移除标识
内容风险标识
本任务被
标识为内容中包含有代码安全 Bug 、隐私泄露等敏感信息，仓库外成员不可访问
True or false? 意识的中立性
待办的
#I7YV25
Johnny-jo
创建于
2023-09-05 23:46
其实我一直在思考一个问题，当人工智能能够不断自我迭代完善，根据奖惩机制来适应环境的变化，所做出的行为表达，是否能评判为有意识的生命体？我认为，实际上这可能被理解为一种更高级、更深刻形式的“学习”，缺少了非最优解的一种“选择”。一个生命最根本的特质是生存，所以用进废退。但一个有灵魂的生命体，并不完全遵守这一守则，比如说动物即便是在良好的环境内却选择不繁衍；明明身处生态位的顶端，却存在自尽的情况。我把它理解为一种在一个固定阈值区间内的随机错误池，比如说RNA病毒，常常会变异出一些“错误” 难以理解 不符合正常进化逻辑 的基因片段，这些基因片段往往是低劣的，但是偶尔会有几个突变会异常适应当前环境，从而发生飞跃式的进化。从这个角度去观察世界事务，人类的某种奇怪的行为就能得到解释，我打个不恰当的比方，毕加索的抽象画。显然从当时古典审美的角度来看，立体主义的抽象画是离经叛道的，根本不符合正常演化的逻辑，但在一定的基础的铺垫下 和 当前生存演化道路方式存在一个巨大瓶颈的时候，就会出现无限大 无限多的试错空间，尝试跳跃到别的分叉路径来诠释更高形式的艺术形态。这也许可以来解释为什么人类遇到巨大困难的时候，情绪会被无限的放大，可以理解为 非理性就是一种扩大阈值范围 调用随机地址中存放的错误行为，来换道破解当前问题（虽然远比理性行为的成功概率低）。 也就是说，在有“灵魂”、 有意识的生命体中，控制系统并不是一直选择“完美解”，而是保持中立。 同样我观察到，人类在成长过程当中，学习的样本量其实是很低的，远远没有学习模型的喂的样本量高，但仍然不妨碍人类学习，智能化水平效率远非模型可比拟。所以我不由得疑惑一件事？人类的控制系统真的是只探寻一种最优解后，就不尝试其他低劣解法么？我觉得人 低样本学习的特征在于，可能不仅仅只对样本解一次！或者会对样本的多个数值进行微微调整，将一个样本分裂为多样本 来训练分析，来达到相同的效果。 好了，很感谢作者和各位大神们的奇思妙想和辛勤付出，才能让我见识到这个项目的伟大，以上就是我一些碎碎念，也没什么逻辑，让作者和大家见笑了。。。
其实我一直在思考一个问题，当人工智能能够不断自我迭代完善，根据奖惩机制来适应环境的变化，所做出的行为表达，是否能评判为有意识的生命体？我认为，实际上这可能被理解为一种更高级、更深刻形式的“学习”，缺少了非最优解的一种“选择”。一个生命最根本的特质是生存，所以用进废退。但一个有灵魂的生命体，并不完全遵守这一守则，比如说动物即便是在良好的环境内却选择不繁衍；明明身处生态位的顶端，却存在自尽的情况。我把它理解为一种在一个固定阈值区间内的随机错误池，比如说RNA病毒，常常会变异出一些“错误” 难以理解 不符合正常进化逻辑 的基因片段，这些基因片段往往是低劣的，但是偶尔会有几个突变会异常适应当前环境，从而发生飞跃式的进化。从这个角度去观察世界事务，人类的某种奇怪的行为就能得到解释，我打个不恰当的比方，毕加索的抽象画。显然从当时古典审美的角度来看，立体主义的抽象画是离经叛道的，根本不符合正常演化的逻辑，但在一定的基础的铺垫下 和 当前生存演化道路方式存在一个巨大瓶颈的时候，就会出现无限大 无限多的试错空间，尝试跳跃到别的分叉路径来诠释更高形式的艺术形态。这也许可以来解释为什么人类遇到巨大困难的时候，情绪会被无限的放大，可以理解为 非理性就是一种扩大阈值范围 调用随机地址中存放的错误行为，来换道破解当前问题（虽然远比理性行为的成功概率低）。 也就是说，在有“灵魂”、 有意识的生命体中，控制系统并不是一直选择“完美解”，而是保持中立。 同样我观察到，人类在成长过程当中，学习的样本量其实是很低的，远远没有学习模型的喂的样本量高，但仍然不妨碍人类学习，智能化水平效率远非模型可比拟。所以我不由得疑惑一件事？人类的控制系统真的是只探寻一种最优解后，就不尝试其他低劣解法么？我觉得人 低样本学习的特征在于，可能不仅仅只对样本解一次！或者会对样本的多个数值进行微微调整，将一个样本分裂为多样本 来训练分析，来达到相同的效果。 好了，很感谢作者和各位大神们的奇思妙想和辛勤付出，才能让我见识到这个项目的伟大，以上就是我一些碎碎念，也没什么逻辑，让作者和大家见笑了。。。
评论 (
5
)
登录
后才可以发表评论
状态
待办的
待办的
进行中
已完成
已关闭
负责人
未设置
标签
未设置
标签管理
里程碑
未关联里程碑
未关联里程碑
Pull Requests
未关联
未关联
关联的 Pull Requests 被合并后可能会关闭此 issue
分支
未关联
未关联
master
开始日期 - 截止日期
-
置顶选项
不置顶
置顶等级：高
置顶等级：中
置顶等级：低
优先级
不指定
严重
主要
次要
不重要
参与者（1）
Java
1
https://gitee.com/drinkjava2/frog.git
git@gitee.com:drinkjava2/frog.git
drinkjava2
frog
人工生命
点此查找更多帮助
搜索帮助
Git 命令在线学习
如何在 Gitee 导入 GitHub 仓库
Git 仓库基础操作
企业版和社区版功能对比
SSH 公钥设置
如何处理代码冲突
仓库体积过大，如何减小？
如何找回被删除的仓库数据
Gitee 产品配额说明
GitHub仓库快速导入Gitee及同步更新
什么是 Release（发行版）
将 PHP 项目自动发布到 packagist.org
评论
仓库举报
回到顶部
登录提示
该操作需登录 Gitee 帐号，请先登录后再操作。
立即登录
没有帐号，去注册
